@Article{, title={Prediction of Cutting Force in Turning Process by Using Artificial Neural Network التنبؤ بقوى القطع في عملية الخراطة باستخدام الشبكة العصبية الاصطناعية}, author={Marwa Qasim Ibraheem مروى قاسم ابراهيم}, journal={Al-Khwarizmi Engineering Journal مجلة الخوارزمي الهندسية}, volume={16}, number={2}, pages={34-46}, year={2020}, abstract={Cutting forces are important factors for determining machine serviceability and product quality. Factors such as speed feed, depth of cut and tool noise radius affect on surface roughness and cutting forces in turning operation. The artificial neural network model was used to predict cutting forces with related to inputs including cutting speed (m/min), feed rate (mm/rev), depth of cut (mm) and work piece hardness (Map). The outputs of the ANN model are the machined cutting force parameters, the neural network showed that all (outputs) of all components of the processing force cutting force FT (N), feed force FA (N) and radial force FR (N) perfect accordance with the experimental data. Twenty-five samples of experimental data were used, including nineteen to train the network. Moreover six other experimental tests were implemented to test the network. The study concludes that ANN was a dependable and precise method for predicting machining parameters in CNC turning operation.

تعد قوى القطع من العوامل المهمة لتحديد امكانية تشغيل الماكينة وجودة المنتج . تؤثر عوامل مثل السرعة والتغذية وعمق القطع وصلابة الأداة على خشونة السطح وقوى القطع في عملية الخراطة .تم استخدام نموذج الشبكة العصبية الاصطناعية للتنبؤ بقوى القطع مع المدخلات ذات الصلة بما في ذلك سرعة القطع ومعدل التغذية وعمق القطع وصلابة قطعة العمل. قوى القطع الألية كانت تمثل مخرجات الشبكة العصبية الاصطناعية , اظهرت الشبكة العصبية ان جميع (المخرجات) لجميع مكونات قوى المعالجة قوة القطع وقوة التغذية والقوة الشعاعية متطابقة تماما مع البيانات التجريبية. تم استخدام خمسة وعشرون عينة من البيانات التجريبية , بما في ذلك تسعة عشر كانت لتدريب الشبكة, علاوة على ذلك ستة لاختبار الشبكة . ولخصت الدراسة الى ان الشبكة العصبية الاصطناعية طريقة موثوقة ودقيقة للتنبؤ بمعلمات القطع في عملية الخراطة} }